DE19716963A1 - Procedure for determining the location of a partial discharge - Google Patents

Procedure for determining the location of a partial discharge

Info

Publication number
DE19716963A1
DE19716963A1 DE19716963A DE19716963A DE19716963A1 DE 19716963 A1 DE19716963 A1 DE 19716963A1 DE 19716963 A DE19716963 A DE 19716963A DE 19716963 A DE19716963 A DE 19716963A DE 19716963 A1 DE19716963 A1 DE 19716963A1
Authority
DE
Germany
Prior art keywords
partial discharge
measurement data
neural network
frequency
sensors
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
DE19716963A
Other languages
German (de)
Other versions
DE19716963C2 (en
Inventor
Thomas Dr Ing Huecker
Joerg Dipl Ing Gorablenkow
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Siemens AG
Original Assignee
Siemens AG
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Siemens AG filed Critical Siemens AG
Priority to DE19716963A priority Critical patent/DE19716963C2/en
Priority to JP54338298A priority patent/JP2001519911A/en
Priority to US09/403,239 priority patent/US6418385B1/en
Priority to EP98928158A priority patent/EP0976189B1/en
Priority to PCT/DE1998/001092 priority patent/WO1998047213A1/en
Priority to DE59810597T priority patent/DE59810597D1/en
Publication of DE19716963A1 publication Critical patent/DE19716963A1/en
Application granted granted Critical
Publication of DE19716963C2 publication Critical patent/DE19716963C2/en
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R31/00—Arrangements for testing electric properties; Arrangements for locating electric faults; Arrangements for electrical testing characterised by what is being tested not provided for elsewhere
    • G01R31/08—Locating faults in cables, transmission lines, or networks
    • G01R31/088—Aspects of digital computing
    • H—ELECTRICITY
    • H02—GENERATION; CONVERSION OR DISTRIBUTION OF ELECTRIC POWER
    • H02H—EMERGENCY PROTECTIVE CIRCUIT ARRANGEMENTS
    • H02H1/00—Details of emergency protective circuit arrangements
    • H02H1/0092—Details of emergency protective circuit arrangements concerning the data processing means, e.g. expert systems, neural networks

Abstract

Several partial discharge measuring probes (4, 5, 6) which detect electromagnetic signals from partial discharges are provided in a high-voltage installation. The corresponding measuring data is fed into an evaluation device (10) with a neuronal network (12), which is trained to determine the origin of the partial discharge on the basis of measurement data from two sensors.

Description

Die Erfindung bezieht sich auf ein Verfahren zur Ermittlung des Ortes eines Teilentladung in einer Hochspannungsanlage, bei dem durch eine Teilentladung erzeugte Signale von wenig­ stens zwei Sensoren erfaßt werden.The invention relates to a method for determination the location of a partial discharge in a high voltage system, with the signals generated by a partial discharge of little at least two sensors are detected.

Ein derartiges Verfahren ist beispielsweise aus der EP 0 241 764 A1 bekannt. Dort ist beschrieben, daß Hochfre­ quenzmeßwerte von elektrischen Teilentladungen (TE) in einer Hochspannungsanlage durch mehrere Sensoren aufgenommen und mit bestimmten Werten verglichen werden, die ihrerseits durch Simulation von Teilentladungen in einem simulierten Netzwerk entstehen, welches bezüglich der Modellierung der vorliegen­ den Hochspannungsanlage in bezug auf das Hochfrequenzverhal­ ten entspricht. Durch Vergleich der gemessenen mit den bei der Simulation erhaltenen Werten kann auf den Ort und die Art der Teilentladung geschlossen werden.Such a method is known for example from the EP 0 241 764 A1 is known. There it is described that Hochfre quenzmeasured values of partial electrical discharges (TE) in one High voltage system recorded by several sensors and can be compared with certain values, which in turn by Simulation of partial discharges in a simulated network arise, which exist with regard to the modeling of the the high voltage system in relation to the high frequency behavior corresponds to ten. By comparing the measured with the at The values obtained from the simulation can be based on the location and type the partial discharge can be closed.

Zur Durchführung des beschriebenen Verfahrens ist eine genaue Analyse der vorliegenden Hochspannungsanlage in bezug auf das Hochfrequenzverhalten und die Übertragungseigenschaften not­ wendig. Dies erfordert für jede Anlage die Schaffung eines neuen Simulationsnetzwerkes. Der Arbeitsaufwand hierfür ist betrachtlich.To carry out the method described is an accurate one Analysis of the present high voltage system in relation to the High frequency behavior and the transmission properties not agile. This requires the creation of one for each system new simulation network. The workload for this is considerably.

Der vorliegenden Erfindung liegt daher die Aufgabe zugrunde, ein Verfahren zur Ermittlung des Ortes einer Teilentladung in einer Hochspannungsanlage zu schaffen, das einfach und mit geringem Aufwand durchführbar ist und daß an verschiedene Ge­ staltungen der Hochspannungsanlage mit geringem Aufwand an­ paßbar ist und dennoch individuell optimierte Ergebnisse lie­ fert. The present invention is therefore based on the object a method for determining the location of a partial discharge in to create a high voltage system that is easy and with little effort is feasible and that to different Ge Events of the high-voltage system with little effort is adaptable and still provides individually optimized results finished.  

Die Aufgabe wird erfindungsgemäß dadurch gelöst, daß die Meß­ daten einer Auswerteeinrichtung zugeführt werden, die ein neuronales Netz aufweist, welches vorher durch Eingabe von Teilentladungsmeßdaten von Sensoren einerseits und gleich­ zeitige Vorgabe der Entstehungsorte der entsprechenden Teilentladungen andererseits trainiert worden ist.The object is achieved in that the measuring data are fed to an evaluation device, the neural network, which previously by entering Partial discharge measurement data from sensors on the one hand and the same timely specification of the place of origin of the corresponding Partial discharges, on the other hand, has been trained.

Durch die Verwendung eines neuronalen Netzes zur Auswertung muß die Hochspannungsanlage nicht mehr auf ihr Hochfrequenz­ verhalten hin analysiert werden. Es muß nicht, wie beim Stand der Technik, für einzelne Elemente der Hochspannungsanlage ein Transmissionskoeffizient, ein Dämpfungskoeffizient und ein Reflexionskoeffizient bestimmt werden. Somit ist die An­ passung der Auswerteeinrichtung, d. h. das Trainieren des neuronalen Netzes mit deutlich geringerem Aufwand für jede aufzubauende Schaltanlage möglich als die entsprechende Ana­ lyse der Hochspannungsanlage und die Erstellung einer Netz­ werksimulation.By using a neural network for evaluation the high-voltage system no longer has to be at its high frequency behavioral analysis. It doesn't have to, as with the stand technology, for individual elements of the high-voltage system a transmission coefficient, an attenuation coefficient and a reflection coefficient can be determined. So the An fit of the evaluation device, d. H. training the neural network with significantly less effort for each switchgear to be set up possible as the corresponding Ana lyse the high voltage system and create a network factory simulation.

Die Genauigkeit und Zuverlässigkeit der Ergebnisermittlung durch das neuronale Netz ist hauptsächlich von der Qualität des Trainings und von der Anzahl der Trainingsmessungen ab­ hängig. Hierfür können Standards festgesetzt werden, so daß das erfindungsgemäße Verfahren auch durch nichtqualifiziertes Personal durchführbar ist.The accuracy and reliability of the results analysis through the neural network is mainly of quality the training and the number of training measurements pending. Standards can be set for this, so that the method according to the invention also by unqualified Personnel is feasible.

Das Training des neuronalen Netzes kann auch beinhalten, sol­ che Störsingale, die von echten Teilentladungen in der Hoch­ spannungsanlage herrühren, von solchen Ereignisse zu unter­ scheiden, die entweder regelmäßige Vorkommnisse (Betätigung von Schaltern) oder von außen eingestrahlte Störungen reprä­ sentieren. The training of the neural network can also include sol che interfering signals from real partial discharges in the high voltage system arise from taking such events who either have regular occurrences (activity of switches) or interference radiated from outside submit.  

Eine vorteilhafte Ausgestaltung der Erfindung sieht vor, daß die Meßdaten vor der Eingabe in das neuronale Netz in einer Verarbeitungseinrichtung vorverarbeitet werden, welche einen Teil der Auswerteeinrichtung bildet.An advantageous embodiment of the invention provides that the measurement data before entering the neural network in one Processing device are preprocessed, which one Forms part of the evaluation device.

Hierdurch können die Meßdaten so vorbereitet werden, daß sie eine hohe Signifikanz in bezug auf die Lokalisierung von Teilentladungen aufweisen und daß somit das Ergebnis nach dem Durchlaufen des neuronalen Netzes noch zuverlässiger und ge­ nauer wird.As a result, the measurement data can be prepared so that it high significance with regard to the localization of Have partial discharges and that the result after Traversing the neural network even more reliably and ge is getting closer.

Eine weitere vorteilhafte Ausgestaltung der Erfindung sieht vor, daß mehr als zwei Sensoren vorgesehen sind, wobei nur die Meßdaten der zwei Sensoren der Auswerteeinrichtung zuge­ leitet werden, bei denen sich die größte Signalstärke der Teilentladungssignale ergibt.A further advantageous embodiment of the invention provides before that more than two sensors are provided, only the measurement data of the two sensors of the evaluation device be directed at which the greatest signal strength of the Partial discharge signals results.

Durch eine solche Auswahl der der Auswerteeinrichtung zuge­ leiteten Meßdaten wird ebenfalls eine bessere Zuverlässigkeit bei der Verarbeitung durch das neuronale Netz erreicht.Through such a selection the supplied to the evaluation device Measured data is also better reliability achieved during processing by the neural network.

Die Erfindung kann außerdem vorteilhaft dadurch ausgestaltet werden, daß die Meßdaten in der Verarbeitungseinrichtung be­ züglich der Frequenz analysiert werden.The invention can also be advantageously configured in this way be that the measurement data in the processing device be be analyzed in terms of frequency.

Hierdurch werden Signale, die nicht von echten Teilentladun­ gen herrühren, bei der Analyse unberücksichtigt gelassen, da wirkliche Teilentladungsvorgänge eine hohe Korrelation mit der Netzfrequenz aufweisen.This causes signals that are not of real partial discharge conditions, disregarded in the analysis, because real partial discharge processes have a high correlation the network frequency.

Es ist auch möglich, die Erfindung vorteilhaft dadurch zu ge­ stalten, daß die Korrelation der Meßdaten mit der Netzfre­ quenz oder ganzzahligen Vielfachen hiervon bestimmt wird und daß nur solche Meßdaten, deren Korrelationswert einen be­ stimmten Wert überschreitet, dem neuronalen Netz zugeführt werden.It is also possible to advantageous the invention thereby stalten that the correlation of the measured data with the Netzfre sequence or integer multiples thereof is determined and that only those measurement data whose correlation value is a be  exceeds the agreed value, fed to the neural network will.

Schon beim Training des neuronales Netzes müssen diesem dann entsprechend vorverarbeitete Signale geliefert werden.Already when training the neural network you have to do this appropriately preprocessed signals are supplied.

Ebenso ist es möglich, die Erfindung dadurch auszugestalten, daß bestimmten Phasenlagen der Teilentladungssignale zur Nutzfrequenz und bestimmten Signalstärken jeweils die Häu­ figkeit zugeordnet wird, mit der diese Werte bei einer Teilentladungsmessung auftreten und daß diese Häufigkeits­ werte dem neuronalen Netz zugeführt werden.It is also possible to design the invention by that certain phase positions of the partial discharge signals for Usage frequency and certain signal strengths each ability with which these values are assigned to a Partial discharge measurement occur and that this frequency values are fed to the neural network.

Eine weitere vorteilhafte Ausgestaltung der Erfindung sieht vor, daß der Impulsverlauf eines Teilentladungssignals im Zeitbereich erfaßt und dem neuronalen Netz zugeführt wird.A further advantageous embodiment of the invention provides before that the pulse waveform of a partial discharge signal in Time range is recorded and fed to the neural network.

Auch in diesem Fall muß das neuronale Netz mit entsprechend vorverarbeiteten Signalen trainiert werden.In this case, too, the neural network must be used accordingly preprocessed signals are trained.

Im folgenden wird die Erfindung anhand eines Ausführungsbei­ spiels in einer Zeichnung gezeigt und nachfolgend beschrie­ ben.In the following, the invention is illustrated by means of an embodiment shown in a drawing and described below ben.

Dabei zeigt die Figur schematisch eine Hochspannungsanlage mit Teilentladungsmeßeinrichtungen und ein neuronales Netz.The figure shows schematically a high-voltage system with partial discharge measuring devices and a neural network.

In der Figur ist schematisch ausschnittsweise ein Kapselungs­ gehäuse 1 einer Hochspannungsanlage dargestellt, das aus Me­ tall besteht und einen Hochspannungsleiter 2 gasdicht umgibt. Im Normalfall ist das Kapselungsgehäuse 1 mit einem Isolier­ gas, beispielsweise SF6 unter hohem Druck gefüllt.In the figure, an encapsulation housing 1 of a high-voltage system is shown schematically in sections, which consists of tall and surrounds a high-voltage conductor 2 gas-tight. In the normal case, the encapsulation housing 1 is filled with an insulating gas, for example SF 6 under high pressure.

In der Darstellung ist ein T-Stück gezeigt, an dem sich der Hochspannungsleiter 2 verzweigt. Mit 3 ist eine Unregelmäßig­ keit, beispielsweise eine freie Partikel oder eine Unregelmä­ ßigkeit an der Oberfläche der Metallkapselung 1 bezeichnet, die das Entstehen von Teilentladungen initiieren bzw. begün­ stigen kann. Solche Teilentladungen erzeugen elektromagneti­ sche Wellen, die sich in verschiedenen Moden innerhalb des Kapselungsgehäuses 1 ausbreiten. Die Signale können durch Meßsonden 4, 5, 6 erfaßt werden, die jeweils eine gegenüber dem Kapselungsgehäuse 1 isolierte Elektrode aufweisen, die mit je einer Meßleitung 7, 8, 9 verbunden ist, durch welche die Meßdaten der Auswerteeinrichtung 10 zugeführt werden kön­ nen.The illustration shows a T-piece on which the high-voltage conductor 2 branches. 3 denotes an irregularity, for example a free particle or an irregularity on the surface of the metal encapsulation 1 , which can initiate or begin the occurrence of partial discharges. Such partial discharges generate electromagnetic waves which propagate in different modes within the encapsulation housing 1 . The signals can be detected by measuring probes 4 , 5 , 6 , each of which has an electrode insulated from the encapsulation housing 1 , which is connected to a measuring line 7 , 8 , 9 , through which the measurement data can be fed to the evaluation device 10 .

Als besonders vorteilhaft erweist sich die Erfassung von Mo­ den, deren Frequenz oberhalb der Frequenz der T-E-M-Mode liegt, d. h. typischerweise im Bereich oberhalb von ca. 400 MHz.The detection of Mo proves to be particularly advantageous whose frequency is above the frequency of the T-E-M mode lies, d. H. typically in the range above approx. 400 MHz.

In der Auswerteeinrichtung 10 ist eine Verarbeitungseinrich­ tung 11 vorgesehen, in der die Meßdaten vorverarbeitet wer­ den. Es werden jeweils nur die Meßdaten derjenigen zwei Sen­ soren ausgewertet, die die größten Signalstärken liefern.In the evaluation device 10 , a processing device 11 is provided, in which the measurement data is preprocessed. Only the measurement data of those two sensors that provide the greatest signal strengths are evaluated.

In der Auswerteeinrichtung werden die Meßdaten einer Fourier­ analyse unterworfen und es wird die Korrelation zu der Netz­ frequenz (50 Hz) des in der Hochspannungsanlage zu verteilen­ den Wechselstroms gemessen. Diejenigen Signale, die eine über einem bestimmten Schwellwert liegende Korrelation mit der Nutzfrequenz (= Netzfrequenz) haben, werden als echte TE-Signale identifiziert, die von einer innerhalb der Hochspan­ nungsanlage befindlichen TE-Quelle herrühren, da nur solche Signale in hohem Maße vom Verlauf der Nutzspannung abhängig sind. The measurement data of a Fourier are stored in the evaluation device subjected to analysis and it becomes the correlation to the network frequency (50 Hz) to be distributed in the high-voltage system measured the alternating current. Those signals that one over correlation with a certain threshold Useful frequency (= network frequency) are considered real TE signals identified by one within the high span TE source located because only such Signals largely dependent on the course of the useful voltage are.  

Diese Signale werden einem neuronalen Netz 12 zugeführt, das vorher anhand einer Anzahl von Teilentladungen, deren Entste­ hungsort bekannt ist, trainiert worden ist.These signals are fed to a neural network 12 which has previously been trained on the basis of a number of partial discharges whose origin is known.

Am Ausgang 13 des neuronalen Netzes ergibt sich ein Signal, das über den Ort der aktuellen Teilentladung in einer Darstellung 1' des Kopplungsgehäuses 1 Auskunft gibt.At the output 13 of the neural network there is a signal which provides information on the location of the current partial discharge in a representation 1 'of the coupling housing 1 .

Das Training des neuronalen Netzes 12 wird folgendermaßen durchgeführt:
Es wird gezielt nacheinander eine gewisse Anzahl von Teilent­ ladungen in der Hochspannungsanlage erzeugt und dem neurona­ len Netz wird als auszugebendes Signal am Ausgang 13 der wahre Ort der jeweils vorliegenden Teilentladung vorgegeben. Innerhalb des neuronalen Netzes werden bei den Kopplungsstel­ len zwischen den einzelnen Neuronen (Synapsen) bestimmte Kopplungsgewichte so verschoben, daß jeweils für einen Trai­ ningsfall das vorgegebene Ergebnis reproduziert wird. Nach einer gewissen Anzahl von Trainingsdurchgängen ergibt sich bei entsprechender Signaleingabe in das neuronale Netz mit hoher Wahrscheinlichkeit als Ausgabe der richtige Wert für die Lokalisation einer Teilentladung.The training of the neural network 12 is carried out as follows:
A certain number of partial discharges are generated in succession in the high-voltage system, and the neural network is given the true location of the partial discharge present as the signal to be output at output 13 . Within the neural network, certain coupling weights are shifted at the coupling points between the individual neurons (synapses) in such a way that the given result is reproduced for each training case. After a certain number of training sessions, with the appropriate signal input into the neural network, the correct value for the localization of a partial discharge is most likely the output.

Die Erfindung ist vorteilhaft bei komplexen Hochspannungs­ schaltanlagen mit vielen Abzweigungen, jedoch auch bei Rohr­ gasleitern mit wenigen Abzweigungen einsetzbar.The invention is advantageous in the case of complex high voltage switchgear with many branches, but also for pipes gas ladders can be used with just a few branches.

Claims (7)

1. Verfahren zur Ermittlung des Ortes einer Teilentladung in einer Hochspannungsanlage, bei dem durch eine Teilentladung erzeugte Signale von wenigstens zwei Sensoren (4, 5, 6) er­ faßt werden, dadurch gekennzeichnet, daß die Meßdaten einer Auswerteeinrichtung (10) zugeführt werden, die ein neuronales Netz (12) aufweist, welches vorher durch Eingabe von Teilentladungsmeßdaten von Sensoren (4, 5, 6) ei­ nerseits und gleichzeitige Vorgabe der Entstehungsorte der entsprechenden Teilentladungen andererseits trainiert worden ist.1. A method for determining the location of a partial discharge in a high-voltage system, in which signals generated by a partial discharge from at least two sensors ( 4 , 5 , 6 ) are detected, characterized in that the measurement data are supplied to an evaluation device ( 10 ) which has a neural network ( 12 ) which has previously been trained on the one hand by inputting partial discharge measurement data from sensors ( 4 , 5 , 6 ) and at the same time specifying the origins of the corresponding partial discharges on the other hand. 2. Verfahren nach Anspruch 1, dadurch gekennzeichnet, daß die Meßdaten vor der Eingabe in das neuronale Netz in einer Verarbeitungseinrichtung (11) vorverarbeitet werden, welche einen Teil der Auswerteeinrichtung (10) bildet.2. The method according to claim 1, characterized in that the measurement data are preprocessed before input into the neural network in a processing device ( 11 ) which forms part of the evaluation device ( 10 ). 3. Verfahren nach Anspruch 1 oder 2, dadurch gekennzeichnet, daß mehr als zwei Sensoren (4, 5, 6) vorgesehen sind, wobei nur die Meßdaten der zwei Sensoren der Auswerteeinrichtung (10) zugeleitet werden, bei denen sich die größte Signalstärke der Teilentladungssignale ergibt.3. The method according to claim 1 or 2, characterized in that more than two sensors ( 4 , 5 , 6 ) are provided, only the measurement data of the two sensors of the evaluation device ( 10 ) are supplied, in which the greatest signal strength of the partial discharge signals results. 4. Verfahren nach Anspruch 2 oder einem der folgenden, dadurch gekennzeichnet, daß die Meßdaten in der Verarbeitungseinrichtung (10) bezüglich der Frequenz analysiert werden.4. The method according to claim 2 or one of the following, characterized in that the measurement data in the processing device ( 10 ) are analyzed with respect to the frequency. 5. Verfahren nach Anspruch 4, dadurch gekennzeichnet, daß die Korrelation der Meßdaten mit der Netzfrequenz oder ganz­ zahligen Vielfachen hiervon bestimmt wird und daß nur solche Meßdaten, deren Korrelationswert einen bestimmten Wert über­ schreitet, dem neuronalen Netz (12) zugeführt werden.5. The method according to claim 4, characterized in that the correlation of the measurement data with the network frequency or integer multiples thereof is determined and that only those measurement data, the correlation value of which exceeds a certain value, are supplied to the neural network ( 12 ). 6. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß bestimmten Phasenlagen der Teilentladungssignale zur Netzfre­ quenz und bestimmten Signalstärken jeweils die Häufigkeit zu­ geordnet wird, mit der diese Werte bei einer Teilentladungs­ messung auftreten und daß diese Häufigkeitswerte dem neurona­ len Netz (12) zugeführt werden.6. The method according to claim 2, characterized in that certain phase positions of the partial discharge signals for Netzfre frequency and certain signal strengths are assigned the frequency with which these values occur during a partial discharge measurement and that these frequency values are supplied to the neuronal network ( 12 ) . 7. Verfahren nach Anspruch 2, dadurch gekennzeichnet, daß der Impulsverlauf eines Teilentladungssignals im Zeitbereich erfaßt und dem neuronalen Netz (12) zugeführt wird.7. The method according to claim 2, characterized in that the pulse profile of a partial discharge signal is detected in the time domain and the neural network ( 12 ) is supplied.
DE19716963A 1997-04-16 1997-04-16 Procedure for determining the location of a partial discharge Expired - Fee Related DE19716963C2 (en)

Priority Applications (6)

Application Number Priority Date Filing Date Title
DE19716963A DE19716963C2 (en) 1997-04-16 1997-04-16 Procedure for determining the location of a partial discharge
JP54338298A JP2001519911A (en) 1997-04-16 1998-04-16 How to determine the location of partial discharge
US09/403,239 US6418385B1 (en) 1997-04-16 1998-04-16 Method for determining the location of a partial discharge
EP98928158A EP0976189B1 (en) 1997-04-16 1998-04-16 Method for determining the location of a partial discharge
PCT/DE1998/001092 WO1998047213A1 (en) 1997-04-16 1998-04-16 Method for determining the location of a partial discharge
DE59810597T DE59810597D1 (en) 1997-04-16 1998-04-16 METHOD FOR DETERMINING THE LOCATION OF A PARTIAL DISCHARGE

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
DE19716963A DE19716963C2 (en) 1997-04-16 1997-04-16 Procedure for determining the location of a partial discharge

Publications (2)

Publication Number Publication Date
DE19716963A1 true DE19716963A1 (en) 1998-10-29
DE19716963C2 DE19716963C2 (en) 2001-10-18

Family

ID=7827379

Family Applications (2)

Application Number Title Priority Date Filing Date
DE19716963A Expired - Fee Related DE19716963C2 (en) 1997-04-16 1997-04-16 Procedure for determining the location of a partial discharge
DE59810597T Expired - Fee Related DE59810597D1 (en) 1997-04-16 1998-04-16 METHOD FOR DETERMINING THE LOCATION OF A PARTIAL DISCHARGE

Family Applications After (1)

Application Number Title Priority Date Filing Date
DE59810597T Expired - Fee Related DE59810597D1 (en) 1997-04-16 1998-04-16 METHOD FOR DETERMINING THE LOCATION OF A PARTIAL DISCHARGE

Country Status (5)

Country Link
US (1) US6418385B1 (en)
EP (1) EP0976189B1 (en)
JP (1) JP2001519911A (en)
DE (2) DE19716963C2 (en)
WO (1) WO1998047213A1 (en)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10048741C1 (en) * 2000-09-29 2002-01-10 Siemens Ag Line diagnosis method for bus system uses reflection measuring principle with reflection signal applied to comparator inputs directly and via 2 delay elements
EP2395364A1 (en) * 2010-06-14 2011-12-14 Alstom Technology Ltd Method for detecting the partial discharges generated in an electric system and electric system with a device for detecting the partial discharges generated therein
DE102016211651A1 (en) * 2016-06-28 2017-12-28 Bender Gmbh & Co. Kg A method of determining an isolation fault location on an electrical conductor of a subsea power line

Families Citing this family (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2508428A1 (en) 2005-05-20 2006-11-20 Hydro-Quebec Detection, locating and interpretation of partial discharge
CA2573711A1 (en) 2007-01-10 2008-07-10 Hydro Quebec Gamma monitoring of snow water equivalent and soil moisture content
DE102007052946B4 (en) * 2007-10-15 2016-02-18 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Apparatus, method and system for detecting when an object or a person exceeds a boundary marked by a magnetic field
US8576521B2 (en) * 2011-08-16 2013-11-05 Schneider Electric USA, Inc. Adaptive light detection for arc mitigation systems
KR101768670B1 (en) * 2011-09-29 2017-08-31 현대일렉트릭앤에너지시스템(주) Part discharge position conclusion method of GIS tank
CN103336231B (en) * 2013-07-01 2015-09-09 杭州电子科技大学 The Neural Networks Learning Algorithm that shelf depreciation AE position is detected
CN110579675B (en) * 2019-10-30 2022-03-01 国投云顶湄洲湾电力有限公司 Load short circuit identification method, device, equipment and storage medium
CN113030669A (en) * 2021-04-12 2021-06-25 国网上海市电力公司 Partial discharge positioning method based on ultrahigh frequency amplitude intensity statistical analysis
CN113834998B (en) * 2021-08-28 2023-05-30 西安交通大学 Airplane cable fault detection and identification method based on power line carrier technology
KR102613072B1 (en) * 2021-09-01 2023-12-11 한전케이디엔주식회사 Method and appratus for identifying location of partial discharge in power distribution system
CN115453286B (en) * 2022-09-01 2023-05-05 珠海市伊特高科技有限公司 GIS partial discharge diagnosis method, model training method, device and system
CN116381433B (en) * 2023-04-20 2023-09-26 国网黑龙江省电力有限公司佳木斯供电公司 Transformer partial discharge detection system

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0241764A1 (en) * 1986-04-14 1987-10-21 Siemens Aktiengesellschaft Process and devices for detecting and localizing damages in electrical installations
DE4333259C1 (en) * 1993-09-27 1995-05-24 Siemens Ag Method for generating a direction signal indicating the direction of a short-circuit current

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2768028B2 (en) * 1991-03-08 1998-06-25 日立電線株式会社 Transmission line fault location system
JP2997571B2 (en) * 1991-07-10 2000-01-11 三菱電機株式会社 Monitoring and diagnostic equipment
JP3100757B2 (en) * 1992-06-02 2000-10-23 三菱電機株式会社 Monitoring and diagnostic equipment
US5627941A (en) * 1992-08-28 1997-05-06 Hitachi, Ltd. Method of configuring a neural network and a diagnosis/control system using the neural network
US5537327A (en) 1993-10-22 1996-07-16 New York State Electric & Gas Corporation Method and apparatus for detecting high-impedance faults in electrical power systems
US5838881A (en) * 1995-07-14 1998-11-17 Electric Power Research Institute, Inc. System and method for mitigation of streaming electrification in power transformers by intelligent cooling system control

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0241764A1 (en) * 1986-04-14 1987-10-21 Siemens Aktiengesellschaft Process and devices for detecting and localizing damages in electrical installations
DE4333259C1 (en) * 1993-09-27 1995-05-24 Siemens Ag Method for generating a direction signal indicating the direction of a short-circuit current

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SCHNETTLER, A., TRYBA, V.: Artificial self organizing neural network for partial discharge source recognition. In: Archiv für Elektrotech- nik 76 (1993) S.149-154 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE10048741C1 (en) * 2000-09-29 2002-01-10 Siemens Ag Line diagnosis method for bus system uses reflection measuring principle with reflection signal applied to comparator inputs directly and via 2 delay elements
EP2395364A1 (en) * 2010-06-14 2011-12-14 Alstom Technology Ltd Method for detecting the partial discharges generated in an electric system and electric system with a device for detecting the partial discharges generated therein
DE102016211651A1 (en) * 2016-06-28 2017-12-28 Bender Gmbh & Co. Kg A method of determining an isolation fault location on an electrical conductor of a subsea power line
US10598716B2 (en) 2016-06-28 2020-03-24 Bender Gmbh & Co. Kg Methods and locating systems for determining an insulation fault location on an electric conductor of a subsea supply line
DE102016211651B4 (en) 2016-06-28 2022-03-24 Bender Gmbh & Co. Kg Method for determining an insulation fault location on an electrical conductor of a submarine umbilical

Also Published As

Publication number Publication date
JP2001519911A (en) 2001-10-23
EP0976189A1 (en) 2000-02-02
EP0976189B1 (en) 2004-01-14
DE19716963C2 (en) 2001-10-18
DE59810597D1 (en) 2004-02-19
US6418385B1 (en) 2002-07-09
WO1998047213A1 (en) 1998-10-22

Similar Documents

Publication Publication Date Title
DE19716963C2 (en) Procedure for determining the location of a partial discharge
EP0241764B1 (en) Process and devices for detecting and localizing damages in electrical installations
DE102006043120B4 (en) Broadband ultra-high frequency simulation partial discharge generator
EP2405279A2 (en) Method and device for locating cable errors
EP0782692B1 (en) Sensor arrangement and method of detecting measured values using said sensor arrangement
DE69817586T2 (en) METHOD AND DEVICE FOR DETECTING AND LOCALIZING IRREGULARITIES OF A DIELECTRIC
EP3074781B1 (en) Method and device for locating partial discharges in electric cables
DE60020050T2 (en) Method and device for locating the source of partial discharges
DE112008001713B4 (en) System and method for determining the position of a partial discharge in an electrical device
EP3599472B1 (en) Method and device for recording insulation parameters
EP2930522A1 (en) Method and device for spatially resolved diagnosis
WO1993024845A1 (en) Testing process for the quality control of electromagnetically actuated switching devices
EP3870983B1 (en) State analysis of an electrical operating resource
DE10136344A1 (en) Fault location in branched low and middle voltage power distribution networks by use of impulse current generators with resultant fault location independent of reflections in the cable network
EP1090303A1 (en) Method and device for monitoring an electrode line of a bipolar high voltage direct current (hvdc) transmission system
WO2019025452A1 (en) Device and method for monitoring a return line for railway electrification current
WO2009046751A1 (en) Method for determining the temperature distribution along a conductor
EP1191341A2 (en) Procedure and apparatus for determining the quality of a cable
DE102016108519A1 (en) Non-invasive load monitoring
EP0415906B1 (en) Method and device for the determination of parameters of motion
EP0136591B1 (en) Method of measuring low frequency signal shapes inside integrated circuits with an electron probe
DE102019202039B3 (en) Arc detection in the DC network
DE19647686C2 (en) Device and method for generating an electromagnetic test signal sequence for a partial discharge measuring device
DE4224858A1 (en) Evaluating tolerance of digital circuits to EM interference - using interference generator with variable pulsed output characteristic to test static and dynamic response of digital circuitry
DE10201551A1 (en) Method for evaluating an installation location of an acceleration sensor assembly in a vehicle

Legal Events

Date Code Title Description
OP8 Request for examination as to paragraph 44 patent law
D2 Grant after examination
8364 No opposition during term of opposition
8339 Ceased/non-payment of the annual fee